满意滤波在航迹辨识中的应用

利用线性矩阵不等式 (LMI,linear matrix inequalities)方法 ,首先研究了 Kalman滤波的稳态误差方差和滤波增益的解法 ,并根据满意控制的思想 ,提出了具有误差方差上界约束的滤波问题 ,然后研究了误差方差上界约束下对系统测量噪声具有最大容许强度的满意鲁棒滤波 .本文的研究成果已被应用于某型 C3 I系统中的航迹辨识 .

航迹辨识系统中约束方差滤波的容许模型噪声

根据 Kalman滤波的最小方差特性 ,分析测量噪声一定时 Kalman滤波方差随系统模型噪声强度变化的规律 ,并在模型噪声和测量噪声一定时 ,给出求解当前估计型稳态 Kalm an滤波的 L MI方法。针对测量噪声一定的系统设计一种滤波器 ,它在保证滤波误差方差满足指定上界约束下 ,容许系统有尽可能大强度的模型噪声 。

不完全量测下航迹辨识系统中滤波方差的期望收敛性问题

目标跟踪航迹辨识系统常常出现信号丢失现象,这时递推误差协方差阵(ECM)是一个随机过程;针对探测率小于1的不完全量测,给出了估计误差协方差系统统计稳定性的条件和稳态Kalman滤波的线性矩阵不等式(LMI)计算法。对给定滤波方差约束指标,设计一种新的滤波器,使得模型容许的噪声强度尽可能的大。在目标跟踪中,它的工程意义是在选定探测器性能指标下,设计出能适应目标机动范围较大的滤波器。最后利用航迹辨识系统的数值算例对研究结果给出了说明。

多种类雷达航迹辨识及融合的实用方法

雷达航迹辨识中点迹的优化及信息融合是 C3I系统的研究热点之一。本文结合相关域、目标分配问题中的 Monkre分类、相关判据、不同类型雷达信息的融合等概念 ,提出了一种实用的多类雷达航迹辨识及融合方法 。

基于威胁的飞行器航迹辨识问题研究

由航迹规划系统通常可以得到一条或多条可飞航迹,为解决航迹规划中多航迹归类和评价问题,建立了一种基于威胁的航迹辨识模板,应用数学形态学图像处理膨胀运算和着色原理,提出了基于膨胀辨识和着色辨识两种策略对备选航迹进行辨识的方法,为任务规划人员提供决策依据。仿真结果表明,该方法可以回避复杂的建模和计算过程,易于实现,有一定的应用价值。

多频采样系统航迹的周期滤波算法

本文根据Kalman滤波思想 ,针对多频采样系统航迹辨识中存在部分点缺少信息问题 ,提出了一种新的航迹辨识方法。该方法假设在目标作匀速直线运动下 ,利用平滑滤波及状态变量的相关性特征 ,采用周期多频Kalman滤波算法充分利用目标航路部分点仅含角度的新息 ,保证航迹滤波的精确性与滤波方差的最优性。某直升机航路滤波结果表明 ,新方法比传统的Kalman滤波算法精度更高 。

雷达航迹融合的一种测试与评价方法

雷达航迹信息融合是当前 C^3I 系统的研究热点之一,但尚未建立一套相关的客观测试与评价体系。本文提出一种实用的雷达航迹信息融合的测试与评估方法,介绍了多方向多批次以及多种航路条件下的测试方法,并给出了各种空情信息融合正确率的评估准则。已被应用于某 C^3I 研究项目中。

具有人工神经网络的目标数据分类

根据人工神经网络自适应共振模型的基本原理，针对空中交通管制系统中辨识空中飞行目标运动轨迹这一实际问题的具体需求，提出了基于多重置条件的空中目标分类方法。在自适应共振模型中的重置条件判别方法中，该方法不同于目标矢量的相似度判别方法，而是采用比较目标矢量夹角及模值的大小来决定其自适应共振模型中的重置触发条件的新方法。仿真结果表明，该方法能很好地解决空中目标的分类问题。

基于GMPHD的雷达组网检测跟踪算法研究

将高斯混合概率假设密度算法(Gaussian mixture probability hypothesis density algorithm,GMPHDA)成功应用于多雷达组网跟踪检测弱信噪比多目标,能估计得到所有目标状态与数量,但其跟踪结果是估计值随机集,未与各真实目标分别对应,目前未出现相关完整算法。因此提出对估计航迹进行辨识,包括航迹区分、继续、新生与恢复,给出了一整套航迹辨识算法流程,完善了多雷达组网跟踪检测目标算法。仿真结果表明,能跟踪检测到弱信噪比环境下所有目标,提出的航迹辨识算法能够形成与各真实目标一一对应、逼近的航迹。